公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

基于光声光谱结合LS-SVR的稻种活力快速无损检测方法研究被引量：15: 2015年; 传统活力检测方法存在操作复杂、耗时长、可重复性差、对种子造成损伤且不可逆等不足,基于此,提出一种基于光声光谱结合最小二乘支持向量机回归(LS-SVR)的稻种活力快速、无损检测方法。在温度为45℃、相对湿度为90%的条件下,对南粳46(粳稻)和内5优8015(杂交稻)进行高温高湿人工老化处理,依次老化0,24,48,72,96 h,获得不同活力的稻种;采集2类稻种光声光谱数据,总计100份,其中校正集样本60个,预测集样本40个;采用小波包对原始光谱数据进行预处理,通过协方差分析和主成分分析(PCA)对光谱进行降维;分别通过偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和LS-SVR建立稻种活力预测模型。其中,采用协方差分析结合LS-SVR建立的模型性能最优,该模型不仅适用于单一稻种,而且适用于不同种类稻种活力的预测。研究表明,采用光声光谱技术结合LS-SVR对稻种活力进行测定是可行的,且所建模型在稻种活力预测方面具有较好的预测精度,为便携式水稻活力光声光谱仪的研制提供了理论依据。; 李欢欢卢伟杜昌文马菲罗慧; 关键词：光谱学光声光谱稻种小波包

基于稻种糙米近红外光谱分析技术的发芽率检测方法被引量：2: 2016年; 针对传统稻种发芽率检测操作复杂,耗时长,稻种外壳污染物干扰光谱检测等问题,提出一种基于稻种糙米近红外光谱检测实现稻种发芽率快速检测的新方法.将192份糙米样品的光谱分为校正集144份和预测集48份,通过不同预处理方法和化学计量学建模方法,分析不同老化时间糙米的光谱差异,建立糙米发芽率的预测模型.结果表明：在全波段570~1 848 nm采用二阶导数＋SNV and Detrend的预处理并结合偏最小二乘法（PLS）建立的模型最优,其校正集决定系数RC与标准偏差SEC分别为0.976和1.244,预测集相关系数RP与标准偏差SEP分别为0.951和1.935.采用近红外光谱分析技术对稻种糙米发芽率进行测定是可行的,所建模型在稻种糙米发芽率预测方面有较好的预测能力.; 卢伟李欢欢洪德林党晓景罗慧; 关键词：糙米近红外光谱发芽率

基于特征光谱和GRNN的糙米发芽率快速检测方法研究被引量：3: 2015年; 针对种子发芽率检测常用方法操作复杂、周期长、受种子休眠期影响等问题,提出了一种基于特征光谱和广义回归神经网络(GRNN)的糙米发芽率快速检测方法。在温度为45℃、湿度为90%的条件下,对稻种进行高温高湿人工老化,老化时间为0、24、48、72、96、120、144、168 h;人工去壳处理后,采集近红外光谱数据,将160份糙米样品的光谱分为校正集(120份)和预测集(40份);采用标准正态变换(SNV)、一阶导数(FD)对光谱数据进行预处理,提取特征波长,分析不同建模方法和不同贡献率的特征波长对模型的影响。结果表明,以688、1146、1346、1366、1396、1686 nm对应的光谱作为输入,通过GRNN建立的模型最优,其校正集相关系数(RC)与标准偏差(SEC)分别为0.9743、1.9161,预测集相关系数(RP)与标准偏差(SEP)分别为0.9505、2.3423。研究表明,采用近红外光谱分析技术对糙米发芽率进行检测是可行的,能够从稻种生理学特性的角度揭示不同发芽率稻种的光谱差异,且所建模型在水稻发芽率预测方面有较好的预测能力,为便携式水稻发芽率光谱仪的研制提供了理论依据。; 李欢欢卢伟洪德林党晓景梁琨; 关键词：光谱学近红外光谱糙米发芽率广义回归神经网络

全选清除导出

共1页<1>

李欢欢